Inteligentní křižovatka
Smart Traffic Intersection
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/110188Identifikátory
SIS: 206620
Kolekce
- Kvalifikační práce [10690]
Autor
Vedoucí práce
Oponent práce
Forst, Libor
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Umělá inteligence
Katedra / ústav / klinika
Katedra teoretické informatiky a matematické logiky
Datum obhajoby
16. 9. 2019
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Výborně
Klíčová slova (česky)
hledání cest, multi-agentní systémyKlíčová slova (anglicky)
path finding, multi-agent systemsTato diplomová práce se zabývá problematikou rozvrhování průjezdů autonomních vozidel inteligentní křižovatkou. Jsou zde popsány existující návrhy na řešení tohoto problému, rozebrány různé přístupy, jak je možné k problému křižovatky teoreticky přistupovat, a je vybrán jeden konkrétní přístup, na jehož základě je navržen deklarativní model pro řešení problému křižovatky. Následně je tento model použit pro provedení teoretických experimentů, které testují propustnost a kvalitu cest v křižovatkách popisovaných různými grafy. Poté jsou tyto teoretické plány překládány na akce pro reálné roboty a spouštěny na nich. Je přitom sledována míra desynchronizace jednotlivých robotů a úspěšnost provádění těchto plánů z pohledu počtu kolizí. Jelikož přímé provádění teoretických plánů na reálných robotech není příliš úspěšné, jsou zde popsána vylepšení překladu jednotlivých akcí, s nimiž dokážou roboti plány provádět úspěšněji.
This thesis is concerned with the problem of planning paths for autonomous cars through a smart traffic intersection. In this thesis, we describe existing concepts for solving this problem and discuss the possibilities of approaching intersection problems theoretically. Then, we choose one specific approach and design a declarative model for solving the problem. We use that model to perform a series of theoretical experiments to test the throughput and the quality of intersection paths described by different graphs. After that, we translate theoretical plans to actions for real robots and run it. In these experiments, we measure the degree of robots desynchronization and performance success of the plans based on the collision rate. We also describe how to improve action translation to achieve better performance than that for real robots following the straightforward plans.